Quanto maior for o coeficiente R2 espera-se maior coincidência no ordenamento dos híbridos, ou seja, todos os híbridos que forem superiores em uma situação o serão em outra. Bernardo (1996a; 1996b) observou que com o aumento no número de híbridos avaliados há uma tendência de se obter estimativas mais elevadas do R2 entre o valor predito e o fenotípico. Com isto, apesar de os R2 obtidos entre as médias estimadas e os valores genotípicos preditos serem na sua maioria altamente significativas e de alta magnitude, estas apresentaram uma variação considerável dentro de cada situação de dados considerada, a qual pode ser observada com base nos seus intervalos de confiança (Tabelas 8 e 9). Desse modo, buscou-se verificar a percentagem de híbridos selecionados em comum pelos dois métodos estatísticos para cada um dos caracteres avaliados, sob diferentes intensidades de seleção e nas diferentes situações de dados consideradas.
Na cultura de milho a ênfase dada pelos programas de melhoramento tem sido, além da produção de grãos, a redução do porte da planta e a altura de espigas, buscando uma planta cuja arquitetura permita maior resistência ao acamamento e uma melhor adaptação à colheita mecânica (MIRANDA FILHO, 1974). Correlações altas e positivas entre altura de plantas e a altura de espigas tem sido relatadas na literatura (ACOSTA; CRANE, 1972; GRANATE et al., 2002). De acordo com Josephson e Kincer (1977), a redução da altura de espigas, diminui o efeito de “alavanca” que uma espiga exerce sobre a planta quando está localizada muito alta no colmo, contribuindo assim para um menor índice de acamamento. A correlação positiva existente
entre a altura de plantas e a altura de espigas com o caráter produção de grãos também tem sido relatada em diversos trabalhos (LINDSEY et al., 1962; ACOSTA; CRANE, 1972; REIS et al., 1982; PANDEY et al. 1986; GRANATE et al., 2002).
Na situação de desbalanceamento considerada, com perda de híbridos dentro de ambientes, a percentagem de híbridos selecionados em comum entre as médias ajustadas e os valores genotípicos para produção de grãos apresentou variação de 69,23 a 92,31% sob 5% e 20% de intensidade de seleção, respectivamente. Para acamamento de plantas este valor apresentou variação de 38,46 a 88,46%, novamente sob 5% e 20% de intensidade de seleção, respectivamente. Para altura de plantas a variação foi de 64,47 a 96,15% sob 20% e 5% de intensidade de seleção, respectivamente. Para todos os caracteres, o valor mínimo e máximo do coeficiente da percentagem de selecionados em comum foi nas situações de eliminação de 50% dos híbridos e sem desbalanceamento, respectivamente (Tabela 10).
Considerando a eliminação de ambientes do grupo de experimentos, a percentagem de híbridos selecionados em comum entre as médias ajustadas e os valores genotípicos para produção de grãos apresentou variação de 69,23 a 92,31% sob 5% e 15% de intensidade de seleção, respectivamente. Para acamamento de plantas este valor apresentou variação de 46,15% a 88,46%, sob 5% e 20% de intensidade de seleção, respectivamente. Para altura de plantas a variação foi de 76,92 a 96,15% sob 15% e 10% de intensidade de seleção, respectivamente. Para todos os caracteres, o valor mínimo e máximo do coeficiente da percentagem de selecionados em comum foi nas situações de eliminação de 50% dos híbridos e sem desbalanceamento, respectivamente (Tabela 11).
Considerando os intervalos de confiança da percentagem de híbridos selecionados em comum, observou-se que utilizando o REML/BLUP seria possível obter resultados confiáveis na predição de valores genotípicos com até 20% de desbalanceamento, ou ainda, com uma redução de 23% no número de ambientes, não diferindo significativamente da situação com dados balanceados. Deste modo, o método REML/BLUP permite trabalhar com certo grau de desbalanceamento além da presença de interação genótipo x ambiente significativa do tipo complexa, ou seja, com mudanças no ordenamento dos híbridos nos diferentes ambientes. Esta flexibilidade deve-se a propriedade do método em utilizar os dados de todos os experimentos para estimar os efeitos fixos de cada um, desde que haja conexão, ou seja, materiais genéticos comuns entre os diferentes experimentos (RESENDE et al., 1996a).
Assim como observado nos resultados obtidos com os coeficientes R2, a percentagens médias de híbridos selecionados em comum apresentaram comportamentos e magnitudes muito semelhantes nas duas situações de dados consideradas, ou seja, com perdas de híbridos dentro de ambientes e de eliminação de ambientes.
Os resultados sugerem que, para os caracteres produção de grãos e, principalmente, para acamamento de plantas, há um aumento sensível na coincidência de seleção com a diminuição da intensidade na seleção e do grau de desbalanceamento dos dados. Além disso, como discutido anteriormente, o caráter acamamento de plantas apresenta elevado coeficiente de variação e mesmo empregando métodos estatísticos menos restritivos como o REML/BLUP, para esta variável, com poucas observações é difícil realizar uma correta predição de valores genotípicos para avaliação e posterior seleção dos híbridos superiores. No entanto, para a altura de plantas, melhores resultados são obtidos com maiores intensidades de seleção, além de sofrer uma menor influência do grau de desbalanceamento dos dados. Este caráter geralmente apresenta alta herdabilidade e baixo coeficiente de variação, ou seja, utilizando o método REML/BLUP, bastam poucas observações dos híbridos para uma predição dos valores genotípicos e a seleção dos híbridos superiores com confiabilidade.
Outro fator importante, além da percentagem de híbridos selecionados em comum, é a coincidência no ordenamento dos híbridos. Esta pode ser modificada de acordo com a escolha do modelo estatístico, tanto nas situações em que houver informação de parentesco entre as unidades de seleção como nas situações com desbalanceamento nos dados (WHITE; HODGE, 1989; BEARZOTI, 2002). O ordenamento comparativo para um conjunto de tratamentos, que são oriundos de diversas populações pode mudar muito, pois a abordagem de modelos mistos utiliza a informação relativa à variabilidade genética das populações, sendo assim possível surgir ordenamentos distintos pelos dois métodos (DUARTE; VENCOVSKY, 2001). Segundo estes mesmo autores, o encolhimento de médias preditas, ou seja, o efeito “shrinkage”, quando se comparam os dois métodos estatísticos, sobretudo para as populações de baixa variabilidade genética, também pode determinar trocas de posicionamento relativo entre progênies ou híbridos de populações distintas, mesmo na presença de ortogonalidade e balanceamento. Para Resende et al. (1996a) os dois métodos, para efeitos de ordenamento, serão equivalentes apenas quando a seleção envolve materiais genéticos oriundos de uma única população, sendo esta avaliada em apenas um ambiente e as médias de cada material estimadas com a mesma precisão. Além disso,
em situações usuais de blocos incompletos sujeitos ao desbalanceamento planejado ou não, como é o caso deste trabalho que utilizou o delineamento látice simples, esperam-se inclusive mudanças de ordenamento dentro de uma mesma população, o que ocasionalmente pode ter um forte impacto na seleção. Os ajustes para efeitos de blocos podem fazer com que o ordenamento dos genótipos, tanto pelos desvios dos efeitos genotípicos preditos, como pela média, não sejam os mesmos.
Neste trabalho foram encontradas grandes diferenças no ordenamento dos híbridos com a utilização dos dois métodos estatísticos (Tabelas 12 a 17), mesmo na situação de dados balanceados (100% de híbridos em comum e considerando os 13 ambientes), de modo semelhante ao previsto por Duarte e Vencovsky (2001) em trabalho teórico e observado por Bueno Filho (1997) em ensaios florestais. Esta mudança no ordenamento dos híbridos aumentou sensivelmente tanto com o grau de desbalanceamento quanto com o número de ambientes considerados, como também em função da natureza do caráter (repetibilidade, coeficiente de variação e principalmente da variância genética). Com o aumento do grau de desbalanceamento no conjunto de dados há um aumento na divergência do ordenamento dos híbridos entre os dois métodos estatísticos, pois os valores dos efeitos genotípicos preditos são ponderados em função do número de observações utilizadas (DUARTE; VENCOVSKY, 2001).
Na seleção do híbrido superior, este manteve seu ordenamento indiferente ao tipo de método estatístico utilizado e também ao grau de desbalanceamento dos dados, sendo observadas poucas exceções. As exceções para os caracteres altura de plantas e acamamento de plantas foram nas situações de perda de 50% e 40% dos híbridos dentro de ambientes, respectivamente. Para a produção de grãos as exceções foram nas situações de eliminação de 30% e 50% dos ambientes. No entanto, mesmo nestas exceções, quando foram considerados os valores das diferenças mínimas significativas - DMS, o híbrido considerado superior na situação de dados balanceados, apesar de não ser ordenado como primeiro não diferiu significativamente do considerado superior nas situações com desbalanceamento no conjunto de dados (Tabelas 12 a 17). Iemma (2003) em trabalho semelhante comparou os mesmo métodos estatísticos, os quais apresentaram poucas diferenças no ordenamento de híbridos, não causando dificuldades na identificação dos mais produtivos. Estes resultados indicam a confiabilidade do método REML/BLUP na predição de valores genotípicos sob altas intensidades de seleção.
Houve grande diferença na magnitude dos valores das DMS entre as duas situações de dados consideradas, cujos valores obtidos na situação de eliminação de ambientes foram praticamente a metade dos da situação com eliminação de híbridos dentro de ambientes. Isto indicou que, apesar de as duas situações consideradas de conjuntos de dados apresentarem resultados semelhantes no ordenamento de híbridos, a eliminação de ambientes sem desbalanceamento de híbridos mostrou-se mais precisa, pois manteve a ortogonalidade dentro de cada experimento, o que gerou menor magnitude no erro efetivo (Tabelas 12 a 17).
Os resultados deste trabalho permitem reforçar os argumentos citados por Bernardo (1994), mostrando que além de relevante, o uso de técnicas preditivas é uma alternativa viável para diminuir os custos com a avaliação de híbridos em um programa de melhoramento, onde o método REML/BLUP demonstrou confiabilidade para tal finalidade. É importante ressaltar que a confiabilidade dos valores genotípicos preditos via REML/BLUP indicam sofrer maior influência da natureza do caráter considerado do que do número de ambientes considerados, ou ainda, do grau de desbalanceamento nos dados. Entretanto, o método apresenta confiabilidade mesmo na presença de interação genótipo x ambiente do tipo complexa. Deste modo, o método REML/BLUP poderia ser considerado como uma valiosa ferramenta no melhoramento genético de milho para predizer os valores genotípicos dos híbridos sob dados desbalanceados.
3 CONCLUSÕES
Os resultados deste estudo permitem concluir que a predição de valores genotípicos de híbridos simples de milho, utilizando o método REML/BLUP, apresenta confiabilidade sob condições de até 20% de perda de híbridos ou de redução de 23% dos ambientes, mesmo com interação híbridos x ambiente significativa e do tipo complexa. Deste modo, o método REML/BLUP poderia ser considerado como uma valiosa ferramenta no melhoramento genético de milho para predizer os valores genotípicos dos híbridos sob dados desbalanceados.
REFERÊNCIAS
ACOSTA, A.E.; CRANE, P.L. Further selection for lower ear heigth in maize. Crop Science, Madison, v. 12, p. 165-167, 1972.
AGUIAR, A.M.; CARLINI-GARCIA, L.A.; SILVA, A.R.; SANTOS, M.F.; GARCIA, A.A.F.; SOUZA JUNIOR, C.L. Combining ability of inbred lines of maize and stability of their
respective single-crosses. Scientia Agricola, Piracicaba, v. 60, n. 1, p. 83-89, jan./mar. 2003. ALVES, G.F.; RAMALHO, M.A.P.; SOUZA, J.C. Alteracões nas propriedades genéticas da população CMS-39 submetida à seleção massal para prolificidade. Revista Brasileira de Milho e Sorgo, Sete Lagoas, v. 1, n. 3, p. 89-101, abr. 2002.
BEARZOTI, E. Emprego de marcadores em modelos mistos. In: SIMPÓSIO SOBRE
ATUALIZAÇÃO EM GENÉTICA E MELHORAMENTO DE PLANTAS, 4., 2002, Lavras. Anais... Lavras: UFLA, 2002. p. 21-43.
BERNARDO, R. Best linear unbiased prediction of maize single-cross performance. Crop Science, Madison, v. 36, n. 1, p. 50-56, Jan./Feb. 1996a.
BERNARDO, R. Best linear unbiased prediction of maize single-cross performance given erroneus inbred relatioships. Crop Science, Madison, v. 36, n. 4, p. 862-866, Aug./Sep. 1996b. BERNARDO, R. Breeding for quantitative traits in plants. Woodbury: Stemma Press, 2002. 369 p.
BERNARDO, R. Genetic models for predicting maize performance in unbalanced yield trial data. Crop Science, Madison, v. 35, n. 1, p. 141-147, Jan./Feb. 1995.
BERNARDO, R. Prediction of maize single-cross performance using RFLPs and information from related hybrids. Crop Science, Madison, v. 34, n. 1, p. 20-25, Jan./Feb. 1994.
BRASIL Ministério da Agricultura Pecuária e Abastecimento. Registro nacional de cultivares: inclusões. Disponível em: <http://www.agricultura.gov.br/cultivares/snpc06.htm> . Acesso em: jan. 2007.
BUENO FILHO, J.S. de S. Modelos mistos na predição de valores genéticos aditivos em
testes de progênies florestais. 1997. 118 p. Tese (Doutorado em Estatística e Experimentação Agronômica) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Piracicaba, 1997.
BUENO FILHO, J.S.S.; VENCOVSKY, R. Alternativas de análise de ensaios em látice no melhoramento vegetal. Pesquisa Agropecuária Brasileira, Brasília, v. 35, n. 2, p. 259-269, fev. 2000b.
BUENO FILHO, J.S.S.; VENCOVSKY, R. Efficiency of combined selection over sequential selection in forest tree progeny trials. Silvae Genetica, Hamburg, v. 49, n. 2, p. 169-173, Apr./May 2000a.
CECON, P.R. Alternativas de análise de experimentos em látice e aplicações no melhoramento vegetal. 1992. 109 p. Tese (Doutorado em Estatística e Experimentação Agronômica) - Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Piracicaba, 1992.
COCHRAM, W.G.; COX, G.M. Experimental designs. New York: Wiley International, 1957.
611 p.
COELHO, M.A.; CRUZ, J.C.; PEREIRA FILHO, I.A. Rendimento de milho no Brasil:
Chegamos ao máximo? Disponível em: <http://www.potafos.org>. Acesso: 10 jan. 2003.
CORBEIL, R.R.; SEARLE, S.R. Restricted maximum likelihood (REML) estimation of variance components in the mixed model. Technometrics, Alexandria, v. 18, n. 1, p. 31-38, Jan./Mar. 1976.
COSTA, R.B.; RESENDE, M.D.V.; ARAÚJO, A.J.; GONÇALVES, P.S.; HIGA, A.R. Selection and genetic gain in rubber tree (Hevea) populations using a mixed mating system. Genetics and Molecular Biology, Ribeirão Preto, v. 23, n. 3, p. 671-679, July/Sep. 2000.
DEMPSTER, A.P.; LAIRD, N.M.; RUBIN, D.B. Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistic Society, Harvard, v. 39, p. 1-38, 1977.
DIACONIS, P.; EFRON, B. Computer-intensive methods in statistics. Scientific American, New York, v. 248, n. 5, p. 116–130, May 1983.
DUARTE, J.; VENCOVSKY, R. Estimação e predição por modelo linear misto com ênfase na ordenação de médias de tratamentos genéticos. Scientia Agrícola, Piracicaba, v. 58, n. 1, p. 109- 117, jan./mar. 2001.
DUVICK, D.N.; CASSMAN, K.G. Post-green revolution trends in yield potential of temperate maize in the North-Central United States. Crop Science, Madison, v. 39, n. 6, p. 1622-1630, Nov./Dec. 1999.
EFRON, B.; TIBSHIRANI, R.J. Statistical data analysis in the computer age. Science, Washington, v. 253, n. 5018, p. 390–395, July 1991.
EFRON, B.; TIBSHIRANI, R.J. An introduction to the bootstrap. New York:. Chapman and
Hall, 1993. 436 p.
EISENHART, C. The assumptions underlying the analysis of variance. Biometrics, Washington, v. 3, n. 1, p. 1-21, Jan./Apr. 1947.
EMBRAPA. Milho e Sorgo. Consulta dos dados de cultivares de milho: safra 2006/2007. Disponível em: <http://www.cnpms.embrapa.br/milho/cultivares/consultas2.php3>. Acesso: 10 jan. 2007.
FALCONER, D.S.; MACKAY, T.F.C. Introduction to quantitative genetics. 4. ed. London:
FARIAS NETO, J.T.; RESENDE, M.D.V. Aplicação da metodologia de modelos mistos (REML/BLUP) na estimação de componentes de variância e predição de valores genéticos em pupunheira (Bactris gasipaes L.). Revista Brasileira de Fruticultura, Jaboticabal, v. 23, n. 2, p. 320-324, ago. 2001.
FEDERER, W.T. Recovery of interblock, intergradient, and intervariatal information in
incomplete block and lattice rectangle designed experiments. Biometrics, Washington, v. 54, n. 2, p. 471-481, June 1998.
FREITAS, F.O. Estudo genético-evolutivo de amostras modernas de milho (Zea mays mays
L) e feijão (Phaseolus vulgaris L.). 2001. 144 p. Tese (Doutorado em Genética e Melhoramento de Plantas) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Piracicaba, 2001.
GILMOUR, A.R.; THOMPSON, R.; CULLIS, B.R. Average information REML: an efficient algorithm for variance parameter estimation in linear mixed models. Biometrics, Washington, v. 51, n. 4, p. 1440-1450, Oct./Dec. 1995.
GRANATE, M.J.; CRUZ, C.D.; PACHECO, C.A.P. Predição de ganhos em famílias de meios- irmãos do milho pipoca CMS-43. Ciência e Agrotecnologia, Lavras, v. 26, n. 6, p. 1228-1235, nov./dez. 2002.
GRASER, H.U.; SMITH, S.P.; TIER, B. A derivative free approach for estimating variance components in animal models by restricted maximum likelihood. Journal of Animal Science, Madison, v. 64, n. 5, p. 1362-1370, May 1987.
HALLAUER, A.R.; MIRANDA FILHO, J.B. de. Quantitative genetics in maize breeding. 2.
ed. Ames: Iowa State University Press, 1988. 468 p.
HALLAUER, A.R.; RUSSEL, W.A.; LAMKEY, K.R. Corn breeding. In: SPRAGUE, G.F.; DUDLEY, J.W. (Ed.). Corn and corn improvement. 3. ed. Madison: Iowa State University Press, 1988. p. 453-464.
HARTLEY, H.O.; RAO, J.N.K. Maximum likelihood estimation for the mixed analysis of variance model. Biometrika, Cambridge, v. 54, n. 1, p. 93-108, Jan./June 1967.
HARVILLE, D.A. Maximum likelihood approaches to variance component estimation and to related problems. Journal of the American Statistical Association, Washington, v. 72, n. 358, p. 320-328, June 1977.
HENDERSON C.R. Applications of linear models in animal breeding. Guelph: University of
Guelph, 1984. 462 p.
HENDERSON, C.R. General flexibility of linear model techniques for sire evaluation. Journal of Dairy Sciences, Savoy, v. 57, n. 8, p. 963-972, Aug. 1974.
HENDERSON, C.R. Sire evaluation and genetic trends. In: ANIMAL BREEDING AND
GENETICS SYMPOSIUM IN HONOR OF J. LUSH, 1973, Champaign. Annals… Champaign:
ASAS, 1973, p. 10-41.
HENDERSON, C.R. Best linear unbiased estimation and prediction under a selection model. Biometrics, Alexandria, v. 31, n. 2, p. 423-447, June 1975.
HENDERSON, C.R.; KEMPTHORNE, O.; SEARLE, S.R.; VON KROSIGK, C.M. The
estimation of environmental and genetic trends from records. Biometrics, Washington, v. 15, n. 2, p. 192-218, June 1959.
IEMMA, M. Uso do melhor preditor linear não viesado (BLUP) em análises dialélicas e
predição de híbridos. 2003. 81 p.Dissertação. (Mestrado em Estatística e Experimentação Agronômica) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Piracicaba, 2003.
JOHNSON, D.L.; THOMPSON, R. Restricted maximum likelihook estimation of variance components for univariate animal models using sparse matrix techniques and average information. Journal of Dairy Science, Lancaster, v. 78, p. 449-456, 1995.
JONES, D.F. The effects of inbreeding and crossbreeding upon development. Bulletin of the Connecticut Agricultural Experimental Station, New Haven, v. 4, n. 8, p. 246-250, Aug. 1918.
JOSEPHSON, L.M.; KINCER, H.C. Selection for lower placement in two synthetic populations of maize. Crop Science, Madison, v. 17, p. 499-502, 1977.
KALIL FILHO, A.; RESENDE, M.D.V.; KALIL, G.P.C. Componentes de variância e predição de valores genéticos em seringueira pela metodologia de modelos mistos (REML/BLUP). Pesquisa Agropecuária Brasileira,Brasília, v. 35, n. 9, p. 1883-1887, set. 2000.
KENNEDY, B.W. Variance component estimation and prediction of breeding values. Canadian
Journal of Genetics and Cytology, Ottawa, v. 23, n. 4, p. 565-578, 1981.
LIMA, M.L.A.; SOUZA JUNIOR, C.L.; BENTO, D.A.V.; SOUZA, A.P.; CARLINI GARCIA, L.A. Mapping QTL for grain yield and plant traits in a tropical maize population. Molecular Breeding, Wageningen, v. 17, n. 3, p. 227-239, Apr.2006.
LINDSEY, M.F.; LONNQUIST, J.H.; GARDNER, C.O. Estimates of genetic variance in open- pollinated vareaties of corn belt maize. Crop Science, Madison, v. 2, p. 105-108, 1962.
MARCELINO, S.D.R.; IEMMA, A.F. Métodos de estimação de componentes de variância em modelos mistos desbalanceados. Scientia Agricola, Piracicaba, v. 57, n. 4, p. 643-652, out./dez. 2000.
MARTINEZ, E.D.; LOUZADA-NETO, F. Estimação intervalar via bootstrap. Revista
McCULLOCH, C.E.; SEARLE, S.R. Generalized, linear and mixed models. New York: John Wiley, 2001. 320 p.
MELO, W.M.C.; VON PINHO, R.G.; FERREIRA, D.F. Capacidade combinatória e divergência genética em milho. Ciência e Agrotecnologia, Lavras, v. 25, n. 4, p. 821-830, jul./ago. 2001.
MEYER, K. Estimation of genetic parameters. In: HILL, W.G.; MACKEY, T.F.C. Evolution
and animal breeding. Wallingford: CAB International, 1989. p. 161-167.
MILLIKEN, G.A.; JOHNSON, D.E. Analysis of messy data. New York: Chapman e Hall, 1992.
473 p.
MIRANDA FILHO, J.B. Cruzamentos dialélicos e síntese de compostos de milho (Zea mays
L.) com ênfase na produtividade e no porte da planta. 1974. 116 p. Tese (Doutorado em Genética e Melhoramento de Plantas) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Piracicaba, 1974.
MIRANDA FILHO, J.B. Princípios de experimentação e análise estatística. In: PATERNIANI, E.; VIEGAS, G.P. (Ed.). Melhoramento e produção do milho no Brasil. 2. ed. Piracicaba: ESALQ; Campinas: Fundação Cargill, 1987. p. 620-650.
NUNES, J.A.R.; MORETO, A.L.; RAMALHO, M.A.P. Using genealogy to improve the efficiency selection of pedigree method. Scientia Agricola, Piracicaba, v. 65, n. 1, p. 25-30, Jan./Feb. 2008.
OLIVEIRA, V.R.; RESENDE, M.D.V.; NASCIMENTO, C.E.S.; DRUMOND, M.A.; SANTOS, C.A.F. Variabilidade genética de procedências e progênies de umbuzeiro via metodologia de modelos lineares mistos (REML/BLUP). Revista Brasileira de Fruticultura, Jaboticabal, v. 26, n. 1, p. 53-56, abr. 2004.
PAIVA, J.R.; CORDEIRO, E.R.; CORRÊA, M.D.M.; RESENDE, M.D.V. Acerola plant
selection and breeding value prediction in second selection cycle progenies. Crop Breeding and Applied Biotechnology, Viçosa, v. 7, n. 2, p. 125-132, Apr./June 2007.
PAIVA, J.R.; RESENDE, M.D.V.; CORDEIRO, E.R. Índice multiefeitos e estimativas de parâmetros genéticos em aceroleira. Pesquisa Agropecuária Brasileira, Brasília, v. 37, n. 6, p. 799-807, jun. 2002.
PANDEY, S.; DIALLO, A.O.; ISLAM, T.M.T.; DEUTSCH, J.A. Progress from selection in eight tropical maize populations using international testing. Crop Science, Madison, v. 26, p. 879-884, 1986.
PANTER, D.M.; ALLEN, F.L. Using best linear unbiased predictions to enhance breeding for yield in soybean: I. Choosing parents. Crop Science, Madison, v. 35, n. 2, p. 397-405, Mar./Apr. 1995a.
PANTER, D.M.; ALLEN, F.L. Using best linear unbiased predictions to enhance breeding for yield in soybean: II Selection of superior crosses from a limited number of yield trials. Crop Science, Madison, v. 35, n. 2, p. 405-410, Mar./Apr. 1995b.
PATTERSON, H.D.; THOMPSON, R. Recovery of inter-block information when blocks sizes are unequal. Biometrika, Cambridge, v. 58, n. 2, p. 545-554, Dec. 1971.
PERRI, S.H.V.; IEMMA, A.F. Procedimento "MIXED" do SAS para análise de modelos mistos. Scientia Agricola, Piracicaba, v. 56, n. 4, p. 959-967, out./dez. 1999.
PIEPHO, H.P.; MÖHRING, J.; MELCHINGER, A.E.; BÜCHSE, A. BLUP for phenotypic selection and variety test. Euphytica, Wageningen, v. 161, n. 1, p. 209-228, Jan. 2008.
PIMENTEL-GOMES, F. Curso de estatística experimental. 14. ed. Piracicaba: ESALQ, 2000.
478 p.
PIMENTEL-GOMES, F.; GARCIA, C.H. Estatística aplicada a experimentos agronômicos e
florestais: exposição com exemplos e orientações para o uso de aplicativos. Piracicaba: FEALQ, 2002. 309 p.
RAPOSO, F.V.; RAMALHO, M.A.P.; RIBEIRO, P.H.E. Alterations in heterosis of maize populations derived from single-cross hybrids after a reciprocal recurrent selection. Crop Breeding and Applied Biotechnology, Viçosa, v. 4, n. 1, p. 74-80, Jan./Mar. 2004.
REGAZZI, A.J.; SILVA, H.D.; VIANA, J.M.S.; CRUZ, C.D. Análise de experimentos em látice quadrado com enfase em componentes de variância e aplicações no melhoramento genético vegetal. II. Análise conjunta. Pesquisa Agropecuária Brasileira, Brasília, v. 34, n. 11, p. 1987-